अनुदैर्ध्य डिजाइन और एक समय श्रृंखला के बीच अंतर क्या है?
जवाबों:
मैं जोड़ूंगा कि समय श्रृंखला संदर्भ में यह आमतौर पर माना जाता है कि देखा गया डेटा स्टोकेस्टिक प्रक्रिया का एक एहसास है। इसलिए समय की श्रृंखला में स्टोकेस्टिक प्रक्रियाओं के गुणों पर बहुत ध्यान दिया जाता है, जैसे कि स्टेशनैरिटी, एर्गोडिसिटी, आदि। मेरी समझ में अनुदैर्ध्य संदर्भ में डेटा सामान्य नमूने से आता है (नमूना द्वारा मेरा मतलब है कि आईड चर का अनुक्रम विभिन्न बिंदुओं पर देखा गया है) समय, इसलिए शास्त्रीय सांख्यिकीय तरीके लागू होते हैं, क्योंकि वे हमेशा मान लेते हैं कि नमूना देखा जाता है।
संक्षिप्त उत्तर के लिए, कोई कह सकता है कि समय श्रृंखला का अध्ययन अर्थमिति, अनुदैर्ध्य डिजाइन - आंकड़ों में किया जाता है। लेकिन यह सवाल का जवाब नहीं है, बस इसे दूसरे प्रश्न में बदल देता है। दूसरी तरफ बहुत सारे छोटे-छोटे उत्तर ठीक वैसा ही करते हैं।
यदि हम अवसरों पर मापे गए मामलों से बने डिज़ाइनों के बारे में सोचते हैं , तो निम्नलिखित ढीली परिभाषा मुझे भेद के बारे में बताती है:
बेशक, यह सवाल उठाता है कि क्या उच्च है और क्या कम है। इन फजी परिभाषाओं, प्रोटोटाइपिक उदाहरणों के बारे में मेरी अपनी समझदारी को संक्षेप में प्रस्तुत करना:
अपडेट: पर बाद डॉ कौन क्या भेद का उद्देश्य है के बारे में सवाल है, मैं एक आधिकारिक जवाब नहीं है, लेकिन यहां पर कुछ विचार कर रहे हैं:
वैसे भी, यह मेरी धारणा है। शायद दूसरों के पास अधिक अंतर्दृष्टि है।
एक समय श्रृंखला सरल है समय के साथ, आमतौर पर नियमित समय अंतराल के साथ डेटा बिंदुओं का एक क्रम समाप्त हो जाता है। एक अनुदैर्ध्य डिजाइन अधिक विशिष्ट है, समय के साथ प्रत्येक अवलोकन के लिए एक ही नमूना रखता है।
हर बार एक नए नमूने के साथ एक श्रम बल सर्वेक्षण का उपयोग करके समय श्रृंखला का एक उदाहरण बेरोजगारी को हर महीने मापा जा सकता है; यह क्रॉस-सेक्शनल डिज़ाइन का एक क्रम होगा। लेकिन यह हर साल आपकी व्यक्तिगत बचत जैसे कुछ भी हो सकता है, जो अनुदैर्ध्य भी होगा। या यह बस बड़े लोगों के एक विशेष समूह का अनुसरण कर सकता है, जैसे कि टेलीविजन वृत्तचित्र सात अप! और हर सात साल बाद सीक्वल - नवीनतम 2005 में 49 अप था, इसलिए अगले साल एक और संस्करण होना चाहिए। अनुदैर्ध्य डिजाइन आपको उन तरीकों के बारे में अधिक बताते हैं, जिनमें विशिष्ट व्यक्ति समय के साथ बदलते हैं, लेकिन हो सकता है (डिजाइन के विवरण पर निर्भर करता है और क्या नमूना ताज़ा किया गया है) कम से कम आबादी को पूरे बदलाव के रूप में कैसे बताता है।
टाइम-सीरीज़ डेटा का मूल्यांकन नियमित अंतराल पर लंबे समय तक किया जाता है। जबकि अनुदैर्ध्य डेटा नहीं हैं: दोहराया उपाय थोड़े समय के लिए हैं। यह डेटा संग्रह विश्लेषण को करने के लिए या जब व्यवहार में परिवर्तन के संदर्भ में शोधकर्ता को संतुष्ट करता है, तो एक निश्चित समय पर समाप्त / रोका जा सकता है।